如何用Pandas扁平化含动态根键的嵌套字典？

针对根键为动态产品编码的嵌套字典（如example_2），以下两种方法无需修改原字典结构，即可高效实现完全扁平化：

方法一：结合字典推导式与pd.json_normalize #

利用字典推导式临时为每个子字典添加产品编码字段，直接传入json_normalize自动展开嵌套结构：

import pandas as pd

example_2 = {
    'AP001': {
        'description': 'Product 1',
        'dimensions': {
            'height': 20,
            'width': 30
        }        
    },
    'AP002': {
        'description': 'Product 2',
        'dimensions': {
            'height': 15,
            'width': 25
        }        
    }
}

# 生成带产品编码的字典列表，传入json_normalize完成扁平化
df = pd.json_normalize([{'p_code': code, **details} for code, details in example_2.items()])
print(df)

输出结果会自动将dimensions下的height和width展开为独立列，同时保留产品编码p_code。

方法二：分步处理DataFrame与嵌套列 #

先通过from_dict生成初始DataFrame，再单独展开嵌套的dimensions列并合并：

import pandas as pd

example_2 = {
    'AP001': {
        'description': 'Product 1',
        'dimensions': {
            'height': 20,
            'width': 30
        }        
    },
    'AP002': {
        'description': 'Product 2',
        'dimensions': {
            'height': 15,
            'width': 25
        }        
    }
}

# 初始生成DataFrame，将索引转为产品编码列
df = pd.DataFrame.from_dict(example_2, orient='index').reset_index(names='p_code')
# 展开dimensions嵌套字段
dimensions_df = pd.json_normalize(df['dimensions'])
# 合并数据并移除原嵌套列
final_df = pd.concat([df.drop('dimensions', axis=1), dimensions_df], axis=1)
print(final_df)

这种方式适合需要对嵌套字段做额外清洗或转换的场景，灵活性更高。

内容的提问来源于stack exchange，提问作者HapiDaze